【技术实现步骤摘要】
模型训练方法、装置、电子设备和存储介质
本申请涉及计算机
,具体涉及深度学习
,尤其涉及一种模型训练方法、装置、电子设备和存储介质。
技术介绍
随着科技的发展,模型训练越来越重要,因为它可以为复杂问题提供解决方案。在相对于传统人工程序设计,这些解决方案更快、更准确、更具可扩展性。在进行模型训练时,需要利用大量的训练数据,训练得到想要的模型。对一个非成熟产品来说,短时间内标注大量的训练数据用于模型训练是较难办到的。可见,如何利用现有的数据对非成熟产品进行模型训练是非常重要的。
技术实现思路
本申请提供一种模型训练方法、装置、电子设备和存储介质,以实现利用两个训练样本库中的样本进行混合训练,解决非成熟产品训练数据量少的问题。根据第一方面,提供了一种模型训练方法,包括:获取第一训练样本库和第二训练样本库;根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合,其中,N为大于1的正整数;获取所述第一至第N训练样本集合之中的第i训练样本集合,其中,i为小于或等于N的正整数;通过所述第i训练样本集合对所述待训练模型进行训练,以生成预测分布;根据所述预测分布和标注分布判断是否满足训练要求;如果满足所述训练要求,则结束训练;以及如果未满足所述训练要求,则通过第i+1训练样本集合继续对所述待训练模型继续训练,直至满足所述训练要求。本申请实施例的模型训练方法,通过获取第一训练样本库和第二训练样本库,根据第一训 ...
【技术保护点】
1.一种模型训练方法,包括:/n获取第一训练样本库和第二训练样本库;/n根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合,其中,N为大于1的正整数;/n获取所述第一至第N训练样本集合之中的第i训练样本集合,其中,i为小于或等于N的正整数;/n通过所述第i训练样本集合对所述待训练模型进行训练,以生成预测分布;/n根据所述预测分布和标注分布判断是否满足训练要求;/n如果满足所述训练要求,则结束训练;以及/n如果未满足所述训练要求,则通过第i+1训练样本集合继续对所述待训练模型继续训练,直至满足所述训练要求。/n
【技术特征摘要】
1.一种模型训练方法,包括:
获取第一训练样本库和第二训练样本库;
根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合,其中,N为大于1的正整数;
获取所述第一至第N训练样本集合之中的第i训练样本集合,其中,i为小于或等于N的正整数;
通过所述第i训练样本集合对所述待训练模型进行训练,以生成预测分布;
根据所述预测分布和标注分布判断是否满足训练要求;
如果满足所述训练要求,则结束训练;以及
如果未满足所述训练要求,则通过第i+1训练样本集合继续对所述待训练模型继续训练,直至满足所述训练要求。
2.如权利要求1所述的模型训练方法,其中,所述根据所述预测分布和所述标注分布判断是否满足训练要求,包括:
根据所述预测分布和所述标注分布计算交叉熵;以及
根据所述交叉熵判断是否满足训练要求。
3.如权利要求2所述的模型训练方法,通过以下公式计算所述交叉熵:
o=-∑xp(x)log(q(x)),
其中,o为所述交叉熵,x为所述第i训练样本集合,p(x)为所述标注分布,q(x)表示预测分布。
4.如权利要求2所述的模型训练方法,其中,所述根据所述交叉熵判断是否满足训练要求,包括:
获取第i-1训练样本集合的第i-1交叉熵;
获取所述第i训练样本集合的第i交叉熵和所述第i-1交叉熵之间的差值;以及
如果所述差值小于预设阈值,则判断满足所述训练要求。
5.如权利要求1所述的模型训练方法,其中,所述根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合,包括:
从所述第一训练样本库提取第一候选样本集合;
从所述第二训练样本库提取第二候选样本集合;
计算所述第二候选样本集合之中每个候选样本的置信度;
根据所述第二候选样本集合之中每个候选样本的置信度对所述第二候选样本集合之中的候选样本进行筛选;
根据所述第一候选样本集合和筛选之后的所述第二候选样本集合生成所述第一训练样本集合;以及
重复上述步骤,直至生成所述第N训练样本集合。
6.如权利要求1所述的模型训练方法,其中,所述第二训练样本库的样本量大于所述第一训练样本库的样本量。
7.如权利要求1所述的模型训练方法,其中,所述第二训练样本库为无标注样本库,所述第一训练样本库为有标注样本库。
8.如权利要求1所述的模型训练方法,所述第一至第N训练样本集合之中的样本数量依次降低。
9.如权利要求1所述的模型训练方法,其中,所述第二训练样本库通过以下步骤生成:
通过网络爬虫获取多个多媒体资料;
根据关键字列表对所述多个多媒体资料进行筛选;以及
将筛选之后的多媒体资料添加至所述第二训练样本库。
10.一种模型训练装置,包括:
第一获取模块,用于获取第一训练样本库和第二训练样本库;
生成模块,用于根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合,其中,N为大于1的正整数;
第...
【专利技术属性】
技术研发人员:张辽,付晓寅,蒋正翔,梁鸣心,张奇,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。